顾及空间异质性的出租载客与公交客流回归分析

出租车一直以来被看作公共交通的补充,但是以往研究多侧重于出租客流与公交客流的独立研究,对于二者的关联关系分析没有足够得到关注。预测出租车载客热点区域不仅能够实时的了解城市交通热点区域,还能够很好地指引出租车司机,帮助出租车司机快速寻客。出租车载客热点常发生在人流密集并且交通出行需求较高的区域,公交乘客IC卡数据能够实时的反映城市中的交通需求。因此,本文使用厦门岛出租车GPS轨迹数据与公共交通运输系统运营数据,利用核密度估计法和地理加权回归模型分析了早晚高峰时段出租车载客与公交上下车（OD）客流之间的时空分布关系。研究发现,出租乘客O点的核密度值在空间上存在分布不均衡性,聚集特征明显。在同一区域,公交乘客O点和公交乘客D点对出租乘客O点所产生的影响刚好相反;在不同区域,城市功能类型复杂的地区公交乘客O点对出租乘客O点产生负的影响,在城市功能类型单一的地区公交乘客O点对出租乘客O点产生正的影响,公交乘客D点则刚好相反。与普通线性回归模型相比,地理加权回归模型的拟合效果显著提高,早晚高峰拟合优度分别从0.13和0.11提升到了0.59和0.53。研究结果可为出租车载客数量的预测提供相关依据。     

接驳地铁站的共享单车时空均衡性分析与吸引区域优化

共享单车是接驳地铁出行的最有效选择之一,但共享单车的时空分布不均问题对使用者和管理者造成了很大的不便,尤其是早高峰期间出现这种问题更会大大降低2个交通系统的运行效率。因此,研究用于接驳地铁出行的共享单车的时空均衡性特点对提升早高峰期间的通勤效率有一定意义。为了了解接驳地铁骑行的时空均衡性特点,本文以厦门市作为实验区,将厦门市早高峰期间接驳地铁站的骑行作为主要研究对象,基于出行OD提出了新的地铁站吸引区域建立方法,基于出行特点提出了考虑地铁站点的单车聚类方法。本文还从潮汐比统计角度和吸引区域角度对各个地铁站的早高峰整体出行均衡性做了分析,从时空角度对早高峰中不同时段的地铁站接驳骑行的时空均衡性做了分析, 通过分析得出了3种角度下各个地铁站点均衡性的相似点与不同点,结果表明：① 根据潮汐比特点,地铁站对骑行的接驳职能可划分为4类,分别为起始型,均衡型,到达型和不适合接驳地铁出行型,反映了各地铁站点的总体接驳特征;② 地铁站对接驳骑行的吸引区域与潮汐比特点有所差别,其主要影响因素为地铁站点的地理位置及周边土地利用类型;③ 对于时空均衡性分析结果而言,潮汐比对时空均衡性层面没有显著影响,其最大影响因素为周边土地利用类型。该分析结果能体现出厦门市早高峰期间与各地铁站接驳骑行的共享单车运行的差异性以及与地铁接驳效率的高低,以此来支持共享单车企业的重点区域调度和监管。     

基于时间序列聚类方法分析北京出租车出行量的时空特征

受城市资源配置、区域功能分化的影响,城市中居民的出行往往呈现出特定的模式和规律,而这种出行模式的背后反映出城市的功能结构。城市车辆GPS导航的广泛使用,以及车辆轨迹数据的大量获取,为分析城市居民出行模式及理解城市功能结构提供了数据支撑。本文以道路分割城市得到的地块为研究单元,利用北京市一个月的出租车轨迹数据,对北京居民的出行模式及城市功能格局进行分析。在轨迹数据分析中,本文从轨迹数据中提取每个地块的出行量时间序列信息,然后采用结合时间序列距离度量和时间序列自身相关性的聚类方法,对出行量时间序列数据进行聚类分析,从而研究乘客出行的时空分布特征,最后结合北京市POI数据,探讨了不同区域乘客出行规律和区域功能类型的相互关系。结果表明,出租车出行量时间序列模式在工作日和周末间存在明显差异。此外,工作日的2个出行高峰与通常的通勤早晚高峰不同。由出行量所得的区域聚类结构,除具有重要交通枢纽功能的地块外,总体上以市中心为圆心大致呈同心圆分布,且距离市中心越远出行量越小。研究结果对于分析北京市居民出行行为、辅助城市交通规划具有一定的意义。     

基于出租车用户出行的功能区识别

出租车数据作为城市大数据重要来源,其上车行为和下车行为直接反映城市人群出行行为特征,帮助城市规划者发现城市人群出行规律和城市功能结构。但是出租车数据隐含多维度信息,一维或者二维模型不足以表达和挖掘其蕴含的多维信息,因此本文选择可以承载多维数据的张量模型对出租车OD（上车/下车）数据进行时空模式挖掘。本文将北京六环区域划分为500 m×500 m格网,采用北京市2012年11月1-16日的出租车OD数据,分别构建O点和D点张量,利用张量分解模型从日尺度、时段尺度揭示出租车用户出行时间模式,同时获取不同时段对应的出租车用户出行空间模式,并推测空间模式包含的语义属性。本文结合城市兴趣点（Point of Interest, POI）数据,提高空间模式语义属性推测的准确性,识别出租车用户出行功能区。结果表明：出租车用户出行时间符合工作日和休息日的早高峰、日间、晚高峰以及夜间模式;对应8种时间模式,出租车用户出行包含8种空间模式,每一种空间模式都是对应时间模式下的上下车热点区域,因此空间模式的变化表明城市人群在不同的时间点,到达不同的场所,进行不同的活动,间接表达空间功能的动态变化;区域的功能不是单一静态的,而是随着时间在不断地变化,是不同时段功能的组合。本文揭示出租车OD数据中隐含的出租车用户出行模式和空间功能动态变化,对利用人类行为时空模式研究区域空间功能结构具有科学参考价值。     

降雨事件对上海地铁通勤客流时空影响的精细尺度研究

全球气候变化背景下,降雨事件日益增多,严重影响城市交通和居民的日常出行。本文以上海市为例,基于分时降雨数据和地铁OD客流数据,运用Prophet时序模型拟合降雨事件下的客流常态值,从站点和OD二个维度定量评估降雨造成的地铁通勤客流变化时空格局。研究结果表明：① 通勤客流总体随小时雨量增大而下降,不同类型站点客流的降雨波动性呈现差异;降雨会造成进站客流的时间滞后性和堆积性,通勤出行需求越大的站点类型堆积效应越显著;由于出发时间弹性差异,不同时点客流的降雨敏感性也不同,7:00和17:00敏感性较高,8:00—9:00和18:00—19:00则相对刚性;② 降雨会造成行程时间≤15 min的短距离客流显著上升,总体增加7.3%,中长距离客流变化不明显,总体减少1.3%;在不同功能区之间,早高峰居住型→产业型的客流波动和时间堆积性最为显著,晚高峰商服型→居住型的返程客流波动性较低;早高峰降雨敏感性线路的起始站点多分布在大型居住区,晚高峰则位于大型产业园区和商业中心;晚高峰返程客流的波动性低于早高峰。尽管降雨事件对通勤客流总量影响不明显,但会造成局部空间区域和时点的客流激增。本文的研究方法与结果有助于量化降雨对地铁通勤客流的影响程度,并为空间化的交通运行保障提供决策依据。     

接驳地铁站的共享单车源汇时空特征及其影响因素

共享单车是解决"最后一公里"出行的有效方法,然而,人们在利用其进行接驳地铁时,常出现无车可用或车辆淤积的现象.因此,探究用于接驳地铁的共享单车的源汇时空分布特征及其影响因素对实现其供需平衡有一定意义,单车运营公司可据此进行更及时、合理的调度.为了解不同区域的共享单车在接驳地铁时使用模式的差异,本文基于不同时间段的客流特...     

基于出租车GPS数据的居民就医时空特征分析

城市医疗服务在很大程度上影响着城市居民的生活质量,在公共服务领域中发挥着极其重要的作用。近年来,中国城市化发展过程中产生了海量的大数据,基于这些海量数据分析居民就医出行特征对于优化和改善城市医疗资源布局具有重要意义。本文以北京市主要医疗机构空间位置数据为基础,基于出租车GPS移动轨迹数据,采用时空统计分析方法,研究了出租车出行模式下的居民就医出行时空特征。结果表明,利用医院的OD（Origin-Destination）网络结构特征分析,可以识别出不同医院的服务范围以及受众的时空分布模式。市区尤其是四环以内医院的就医网络密集、紧凑,就医密度较高,而四环以外尤其是郊区周边,就医网络稀疏、分散,医疗资源的级别及地理位置影响了居民的就医倾向。本研究基于浮动车GPS数据开展居民就医时空行为模式挖掘研究,可以为城市医疗资源供需分析和优化配置提供决策支持。     

利用多源城市数据划定地铁站点吸引范围

随着时代的发展,世界城市规模不断扩大,各大城市的交通需求陡然增加,而地面出行所带来的堵塞和环保问题导致政府部门把目光转向地下交通发展,其中地铁是地下交通发展中最重要的交通工具。准确划定地铁站点吸引范围,分析影响地铁站点吸引范围主要因素,不仅对于优化地铁交通服务和规划地铁周边建成环境具有重要意义,同时对于新建地铁站点设施规划具有参考价值。传统的地铁吸引范围划定方法大多依赖于居民日常出行活动的调查和经验意见,存在时间周期长且耗费巨大和吸引范围划定不准确的问题;而多源城市数据的涌现为量化地铁站点周边建成环境及客流空间分布、合理划定地铁站点提供了全新的解决方案。TOD（Transit Oriented Development,TOD）是高密度城市（如深圳、北京等）寻求的城市和交通和谐发展的重要选择,也是未来交通建设的主要参考理念。因此,从公共交通导向的开发视角出发,本文利用2017年的兴趣点、道路网络、公共交通线路等多源城市数据刻画地铁站点周围的TOD信息指标,利用K均值聚类进行地铁站点聚类,结合TOD指标的空间变化趋势,确定深圳市不同类型地铁站点的吸引范围。研究结果表明：① 基于TOD密度指标划定的地铁站点吸引范围能够揭示地铁站点的吸引范围的差异,且就业地点密度和土地混合利用度对地铁站点吸引范围的影响较大; ② 与城市非中心区域相比,城市中心区域的地铁站点吸引半径较小但出行需求较高,其凸显了地铁站点规划在空间服务密度和居民出行需求之间的取得均衡;③ 深圳市地铁站点吸引范围重叠与城市区域发展程度相关程度较高,可为利用现有地铁站点空间覆盖,发展城市功能集中区域提供参考。     

居民出行视角下的北京市双枢纽机场可达性研究

相较于传统的网络分析,利用在线地图API可以更加准确地获取实时出行时间数据。本文基于高德地图API,在居民出行视角下解析北京首都国际机场（“PEK”,简称“首都机场”）和北京大兴国际机场（“PKX”,简称“大兴机场”）在驾车和公共交通2种出行模式下的可达性空间格局,尝试对双枢纽机场可达性以及城市的“民航+城市交通”一体化发展提出建议。结果表明：① 大兴机场的投用使北京市民航服务在空间分布上趋于“南北均衡”,两机场分别在驾车出行0.5 h和公共交通出行1 h的覆盖范围形成互补,有效提升了城市内部腹地的覆盖;② 在以北京为起止点的出行视角下,驾车出行的1 h覆盖范围开始出现重叠;而公共交通出行模式的1.5 h范围呈现重叠;③ 驾车出行模式下的机场可达性高于公共交通出行模式,且在公共交通出行模式下,北京市两机场1 h服务面积和人口数量均有待提高,亟需打造“1 h公共交通服务圈”;④ 在以北京为中转点的视角下,首都机场到各火车站的可达性高于大兴机场;未来应重点提升大兴机场-城市交通枢纽的可达性,以提升城市内部中转能力。本研究有助于为双枢纽机场城市的“民航+城市交通”一体化发展提供科学依据。     

中小城市公共自行车出行模式与驱动机制研究

公共自行车在促进交通可持续发展、方便居民出行等方面意义重大。本文以广东省惠州市惠城区和惠阳区、韶关市区公共自行车为研究对象,利用时间序列数据分析、层次聚类、地理可视化等方法探究出行模式,利用随机森林算法分析出行行为的影响因素及其重要性程度。研究发现,惠州市惠城区和韶关市的公共自行车出行行为有规律、成规模,站点呈现生活居住、工作就业等类型;惠州市惠城区自行车使用目的多元,包括通勤、短途办事、公交接驳等,韶关市中,通勤是主要出行目的。惠州市惠阳区受到骑行道路限制,公共自行车使用率低。本研究可以为提高公共自行车系统运营效率、引导慢行交通政策制定、评估城市用地布局提供参考和建议,也能为其他区域公共自行车的研究提供借鉴作用。     

可持续TOD建设视角下的轨道站点客流潜力模型构建

轨道是缓解城市交通问题的重要设施,增加出行者选择轨道出行的概率,有利于交通与土地利用协调和TOD可持续发展。本文提出站点客流潜力的概念,并根据复杂网络特征和出行模式构建站点客流潜力模型,通过协调潜力值与实际客流为TOD研究提供新视角。以北京市轨道站点POI数据构建Space-L模型,并依据站点客流潜力模型计算北京市364个站点的客流潜力。研究发现：① 本文提出的站点客流潜力具有吸引力和承载力两类内涵,能定量分析站点空间与站域客流的协调情况;② 北京市站点客流潜力值空间分布为“核心-边缘”模式,区间概率分布为等差数列分类的指数分布和等比数列分类的正态分布;③ 根据出行目的设置四类出行情景。不同情景下出行者选择轨道出行的概率具有差异,早高峰和晚高峰情景下轨道出行概率大,受潜力值影响小,非工作出行情景下轨道出行概率小,受潜力值影响大。实例分析表明相比于单独考虑复杂网络特征,潜力值具有更好的可解释性和科学性;④ 耦合度C 0.5时认定站点失调,其中标准化的实际客流与潜力值的比值Z >1,表示客流过饱和,如西二旗等,会造成站点拥堵,Z 1表示站点交通地理优势未充分发挥,如北运河西等。北京市轨道交通需协调优化以提升效率,实现TOD可持续发展。     

基于MapReduce的海量公交乘客OD并行推算方法

公交乘客出行OD能够反映居民出行特征和出行需求,是进行公交系统评价、调度和线路优化的重要基础数据,对城市规划具有重要的实用价值。现有公交OD推算方法多适用于少量公交数据,无法直接快速地推算海量公交乘客出行OD,因此本文提出了一种基于MapReduce的海量公交乘客OD并行推算方法。首先将公交数据从关系型数据库迁移至HBase数据库;接着利用MapReduce并行计算框架,根据HBase中IC卡数据的Region数量分成多个map任务,每个map任务中Map函数计算上车站点,Reduce函数将上车站点以用户为单位进行归并输出到HDFS;然后在上车记录数据的基础上,根据HDFS存储的块数量分成多个map任务,针对每个乘客的出行记录,综合考虑出行链方法和历史相似出行行为规律实现对公交乘客下车站点较为精确的推算。最后以厦门2015年6月13日至26日的IC卡数据和公交车辆GPS数据进行实例分析,共计算出295条公交线路,16 879 661条上车记录,14 410 058条完整OD记录,占IC卡数据的78.9%,计算效率相比传统方法有较大幅度提升。结果表明：该方法不仅可以较为准确地推算公交乘客上下车站点,而且计算效率较高。     

基于IC卡综合换乘信息的公交乘客上车站点推算

现有研究在缺少公交车运营信息的情况下,利用公交线间正交换乘信息的方法来识别公交车持卡乘客的上车站点,但在实际运用中很多班次无正交换乘的乘客,容易导致公交乘客上车站点匹配困难。因此,本文提出了一种基于IC卡综合换乘信息的公交乘客上车站点推算方法,该方法充分利用IC卡数据中的综合换乘信息（公交线间的正交和非正交换乘信息、地铁和公交线间的换乘信息）与公交网数据确定班次行驶方向,对班次内的乘客进行分组,充分利用综合换乘信息确定基准组及其对应的上车站点;然后,通过最小偏差规则匹配待定组的上车站点,实现公交乘客上车站点的推估。利用换乘信息确定班次行驶方向弥补了现有研究无法确定班次行驶方向的不足,使公交乘客上车站点推算方法更科学;最后,基于2011年8月的“深圳通”IC卡数据进行实例分析,对比只利用正交换乘信息确定的基准组数量和利用综合换乘信息确定的基准组数量,结果表明：该方法可使确定上车站点的组数占总组数的比值提高,克服了只利用正交换乘信息推算上车站点方法中存在的单个班次无基准组从而无法进行站点匹配的困难。本文方法比只利用正交换乘信息匹配站点,具有更高的可行性与准确率。     

基于刷卡数据的公共汽车客流网络复杂性日内变化研究

大城市公共交通是一个典型的复杂巨系统,采用复杂网络方法分析大城市公共交通网络系统对于城市交通发展具有重要意义。已有大量的研究采用复杂网络理论进行了公共交通线路网络分析,也有研究基于刷卡数据分析了公共交通客流网络的复杂特征,但少有研究探讨客流网络复杂性日内变化特征。鉴于此,本文基于北京市公共汽车刷卡数据识别的不同时间段客流双向邻接矩阵,通过复杂网络指标对比分析公共汽车客流网络的日内变化特征。结果表明：① 各个时间段公共汽车客流分布遵循距离衰减规律,5 km以下的短距离出行约占总出行量的一半左右;② 度中心性和加权度中心性的空间格局在不同时间段整体呈现出明显的核心-边缘特征,但随时间有一定程度的变化,加权度中心性排名前10的节点存在较大变化;③ 累积度分布和累积加权度分布服从指数分布,属于小世界网络。本文还进一步讨论了基于大数据的动态复杂网络研究对城市交通规划建设的启示意义。     

基于排队论的火车站售票排队系统的分析与研究

运用排队模型理论对火车站售票排队系统进行模拟仿真,通过分析模拟出售票窗口的数目对火车站售票排队系统的影响.火车站可以根据客流量动态控制售票窗口数目,有效地为车站节约成本,增加旅客的满意度.应用MATLAB模拟运算结果与成都火车北站实际数据进行对比分析,证明该仿真系统的有效性.     

基于MAS的虚拟公共交通环境建模与模拟分析

针对目前公共交通模型很少关注乘客行为和人车相互作用的问题,提出了虚拟公共交通环境的概念及其构成要素的矢量表达,进而采用Multi-agent System 方法构建了车辆Agent 和乘客Agent 行为模型;并提出了公共交通运行中的车辆、乘客之间相互作用,以及时空变化的模拟算法,实现了虚拟公共交通环境原型系统。最后,设计了7 条道路、8 条公交线路、30 个公交站点和1 万次出行的小型公交环境作为实例验证,结果产生了车辆1428 次,上下车刷卡30 436 人次。通过分析总出行时间分布和对比不同发车间隔下乘客平均等待时间,发现了总出行时间分布与输入的出行需求数据相一致,且缩短发车间隔情况下各站点乘客的平均等待时间明显随之缩短。同时,通过原型系统分析了公交车辆的运行情况和乘客公交出行行为。结果表明,本文所提出的模型和算法能有效地模拟公共交通环境,便于交通管理者和科研工作者观察、处理和分析公共交通环境中所产生的数据。     

基于网格的街区尺度城市绿度度量方法

本文提出一种基于网格的街区尺度城市绿度度量方法。其以900 m×900 m的网格单元作为以城市主干道划分所形成街区尺度的表征,根据网格单元内植被覆盖度与植被构成之间的关系构建绿度指标。通过与传统的基于植被面积占比的格网法所计算的绿度指数进行比较。发现本文方法建立的绿度指标能在街区尺度上提供更加丰富的城市绿度信息,有效地解决了传统方法难以反映的植被覆盖度近似区域因其内部植被构成不同所带来的绿度差异问题。为城市规划、设计以及管理提供了一种新视角。基于该绿度指标,利用Landsat TM/OLI 2009、2015和2019年不同季节的遥感数据分析北京市城市绿化的时空变化特征。结果表明：北京市主城区城市绿化的面积和质量在2009—2019年显著提升,且秋季最为明显。绿化的变化在四环内外呈现出不同的模式。四环内主要为绿化面积的增加,四环外则在绿化面积和绿化质量上都有明显的增长。